起因

上一篇把 RK3588 + NPU 的流水线分拣方案设计写完了，但有件事必须单独拎出来讲：方案在实验室跑通，和项目在客户产线上活下来，中间隔着一条鸿沟。这些年见过太多视觉分拣项目死在这条沟里——机器视觉本身是可行的，机械臂也动得好好的，DEMO 演示行云流水，最后客户验收过不了、尾款结不了。

复盘下来，成败的分水岭往往不在技术参数，而在一个商务-工程交叉的指标：能不能赶上客户的流水线生产节拍。

DEMO 为什么会骗人

实验室 DEMO 的隐含假设，逐条拿到产线上全是不成立的：

实验室 产线
工件静态摆放、间隔均匀 皮带连续输送、来料随机堆叠
光照可控、固定光源 车间照明变化、夜班/白天、窗外阳光
来料单一干净 多批次、油污、反光、氧化变色
节拍无要求，慢慢识别 停线一分钟就是真金白银的损失
死机了重启再来 7×24 连续运行，故障要有恢复预案

DEMO 证明的是"技术可行"；产线要的是"商业可行"。这两者之间，隔着节拍、稳定性、异常处理三座大山，而节拍是第一座，也是最能一票否决的一座。

节拍：商业可行性的第一指标

生产节拍（PPM，每分钟件数；或节拍时间 Takt Time）不是视觉团队给自己定的目标，而是客户现有产线的既定事实——上游每小时出 3000 件，你的分拣工位就必须消化 3000 件，做不到，工件就在皮带上堆积、溢出、报废，整条线被迫降速。客户买设备买的是产能，节拍跟不上，识别准确率 99.9% 也是零。

从节拍倒推整条链路：

1
2
3
4
5
6

客户节拍 60 PPM → 每件 1.0s
├─ 机械臂抓-放动作 0.6~0.8s（含末端工具响应）
├─ 视觉必须在臂动作的"影子时间"里完成：推理+后处理+通信 <100ms
│   （这就是上一篇把视觉和臂动作流水化并发的根本原因）
├─ 单臂不够 → 双工位交替 / 转盘多工位 / 双臂，方案大改
└─ 异常件处理（漏抓、NG 剔除）也要占节拍，不能只在理想流里算账

注意最后一行的残酷之处：节拍要按最坏情况算，不能按平均情况算。来料最密、堆叠最多、连续触发的那几分钟，才是设备真实的节拍上限。平均 55 PPM、峰值 30 PPM 的设备，在客户眼里就是一台 30 PPM 的设备。

机器视觉的"可行"要怎么证明

准确率单看一个数字是没有意义的，工业现场要拆开算：

  • 漏检率：OK 件没识别到 → 流到下一工位，通常可人工补救
  • 误检率：NG 件当 OK 放行 → 流入客户产品，最贵的一种错
  • 拒识率：没把握、不确定 → 打到人工复检位，成本是节拍不是质量

工业方案的正确姿势是宁可拒识、不可误检：模型输出置信度低于阈值就走人工兜底通道。跟客户谈验收指标时用混淆矩阵逐格谈，而不是一句"准确率 98%"——那个 2% 错在哪一格，决定项目是赚钱还是赔穿。

再就是环境鲁棒性，上线前必须跨过：换一批来料（批次色差）、换一班工人（操作差异）、换一个季节（光照角度）。实验室里调到 99% 的模型，换个批次来料掉到 85% 是家常便饭——数据集里没有的分布，模型一概不认识。

机械臂的"工业标准"是什么

能动能抓只是入场券，产线对臂的要求是一整套：

  1. 重复定位精度 ≠ 绝对精度：样本册上标的是重复精度，视觉引导吃的是绝对定位精度+标定链路，选型时要问清楚
  2. 防护等级：油污、粉尘、水雾车间要 IP54 起步，冲洗环境 IP67；普通协作臂的 IP40 机身进粉尘油泥半年就罢工
  3. Duty cycle：实验室一天动两小时，产线是 7×24 满负载循环，减速机、末端工具的寿命按这个工况选
  4. 安全：安全停止、光栅/围栏、协作臂的力控限制——出了工伤事故，项目成败就没有意义了
  5. 末端工具：吸盘磨损、夹爪力控、换爪时间，这些"耗材"决定长期节拍的衰减速度
  6. 售后与备件：产线停一天损失几万，臂的备件到货周期就是真实的风险敞口——国产臂便宜三成但备件三天，进口臂贵但区域有库存，这笔账要跟客户一起算

形态上：平面分拣优先 SCARA（快、便宜、刚性够）；要避障走位用六轴；极致节拍（100+ PPM）上 Delta 并联。不要用"协作臂图省事"绕过安全评估，也不要用六轴做平面分拣的活——前者过不了安全验收，后者贵且慢。

节拍验收的正确姿势

验收不是"当着客户面演示十分钟"：

  • 连续跑批 8 小时，统计节拍分布看 P50/P99，而不是看均值；记录卡顿次数与每次卡顿的恢复时间
  • 压力工况：来料最密、堆叠最狠、皮带最快档位，各跑一轮
  • 断电重启：拉电再来电，设备要在约定时间内自动恢复（模型加载、标定自检、通信重连）
  • 换型时间计入产能：换一个产品型号，改配方、换工具、重新示教要多久？这直接影响客户的 OEE（设备综合效率）——很多项目节拍达标，换一次型半小时，客户算完 OEE 还是骂娘

常见死法清单

  1. 实验室 99%，产线 85%：数据分布没覆盖产线工况，上线第一周被打回
  2. 视觉单帧 200ms 拖死节拍：模型选大了，或者没做流水化并发，被迫降速 30%
  3. 协作臂选型想当然：节拍不够、防护不够，两头不讨好
  4. 只算平均节拍不算峰值：来料高峰期堵线，客户现场看着堆料
  5. 异常无降级策略：一次识别异常整线停摆，停线损失算到头上
  6. 换型时间没承诺：多品种小批量的客户，换型半小时等于每天少干两小时

总结

机器视觉分拣项目，卖的从来不是"识别得多准"，而是**“赶上节拍的稳定产能”**。DEMO 证明技术可行，节拍验证证明商业可行——技术可行性的判据是模型指标，商业可行性的判据是客户产线的停表。项目立项第一天就把客户的节拍数字写在方案第一页，所有技术选型向它倒推，这个项目的成功率就已经高过一半同行了。

参考链接